Captulo 4

Elementos de inferencia
estadstica
SUMARIO

Conceptos bsicos Tres criterios de rechazo o aceptacin equivalentes

Estimacin puntual y por intervalo Hiptesis para dos parmetros: comparacin de dos
Conceptos bsicos de prueba de hiptesis procesos o poblaciones
Prueba para la media Poblaciones pareadas (comparacin de dos medias
Prueba para la varianza con muestras dependientes)
Uso de software

Objetivos de aprendizaje

Describir los principales conceptos de la inferencia
estadstica.
Comprender y realizar estimaciones puntuales y por in-
tervalo para la media, una proporcin, as como para
la desviacin estndar.
Profundizar en los conceptos para probar una hipte-
sis y aplicarlos para entender las pruebas para la media
y la varianza.
Comparar procesos y hacer pruebas para la igualdad
de varianzas y para poblaciones pareadas.
 Poblacin
y muestra

Media
Parmetros y
estadsticos

Varianza

Distribuciones
de
probabilidad Proporcin

Estimacin
INFERENCIA puntual y por
ESTADSTICA intervalo Media

Varianza

Comparar
procesos

Prueba de
hiptesis
Igualdad de
varianzas

Poblaciones
pareadas
 64 CAPTULO 4: Elementos de inferencia estadstica

Los mtodos estadsticos descriptivos que se estudiaron en el captulo 2 son de gran utilidad
para establecer las principales caractersticas de los datos de una muestra. Sin embargo, hay
estudios estadsticos donde tambin es preciso establecer las caractersticas de una poblacin
o proceso con base en la informacin contenida en una muestra, es decir, en este caso interesa
realizar un estudio inferencial, un tema que se estudiar en las siguientes secciones.

Conceptos bsicos
Poblacin y muestra, parmetros y estadsticos
P or lo general, los estudios estadsticos estn enfocados a conocer y/o tomar decisiones
acerca de una poblacin o universo que, desde el punto de vista estadstico, es el conjunto
formado por la totalidad de individuos, especmenes, objetos o medidas de inters
sobre los que se realiza un estudio. Por ejemplo, una poblacin son los productos
Poblacin que se producen mediante un proceso durante una semana o un mes, e interesa
Conjunto formado por la totalidad de saber si stos renen las caractersticas de calidad requeridas. Otro ejemplo de
individuos, objetos o medidas de inte- poblacin son los clientes de una empresa y, en este caso, puede interesar su nivel
rs sobre los que se realiza un estudio.
de satisfaccin y en general su percepcin acerca de la empresa.
Las poblaciones se clasifican en finitas o infinitas. Si es finita y pequea es
posible medir todos los individuos para tener un conocimiento exacto de las ca-
Parmetro ractersticas (parmetros) de esa poblacin. Por ejemplo, un parmetro que resulta
Es un valor representativo y descripti- de inters es la proporcin p de productos defectuosos o la media, , de alguna
vo de una poblacin, como la media variable medida a los productos. En cambio, si la poblacin es infinita o grande es
o la desviacin estndar .
imposible e incosteable medir a todos los individuos, en este caso es preciso sacar
una muestra representativa de dicha poblacin, y con base en los clculos sobre los
datos muestrales (estadsticos) se realizan, mediante los mtodos apropiados, afir-
Muestra representativa maciones acerca de los parmetros de la poblacin (vase figura 4.1).
Parte de una poblacin, seleccionada En control de calidad las poblaciones de inters son los materiales, los pro-
de manera adecuada, que conserva ductos terminados, partes o componentes, clientes, etc. En muchos casos estas
las caractersticas ms importantes de
dicha poblacin. poblaciones se suponen como infinitas o grandes. Por ejemplo, en empresas con
produccin masiva es imposible o al menos imprctico medir cada pieza de ma-
terial que llega, o las propiedades de cada producto terminado. Incluso, si la pro-
duccin no es masiva, conviene imaginar al proceso como una poblacin infinita
o muy grande debido a que el flujo del proceso no se detiene, es decir, no existe el ltimo ar-
tculo producido mientras la empresa siga operando. En estos casos los procesos se estudian
mediante muestras de artculos extrados en algn punto del proceso.

Poblacin (toda la
produccin del mes) aleator Muestra (representativa
ia m e de la produccin del mes)
nt e

M? S? PARMETROS

(SIEMPRE DESCONOCIDOS)
XS
ESTADSTICOS
(CONOCIDOS)

inferencia

FIGURA 4.1 Relacin entre poblacin y muestra, y parmetros y estadsticos.

 Estimacin puntual y por intervalo 65

Un asunto importante ser lograr que las muestras sean representativas, en el sentido de
que reflejen las caractersticas claves de la poblacin en relacin con los objetivos del estudio.
Una forma de lograr esa representatividad consiste en disear de manera adecuada un mues-
treo aleatorio (azar), donde la seleccin no tenga algn sesgo en una direccin que favorezca
la inclusin de ciertos elementos en particular, sino que todos los elementos de la poblacin
tengan las mismas oportunidades de ser incluidos en la muestra.
Existen varios mtodos de muestreo aleatorio, por ejemplo, el simple, el estratificado, el
muestreo sistemtico y por conglomerados; cada uno de ellos logra muestras representativas
en funcin de los objetivos del estudio y de ciertas circunstancias, as como caractersticas
particulares de la poblacin (vase Gutirrez Pulido, 2005).

Inferencia estadstica
La inferencia estadstica tiene como objetivo establecer las caractersticas de una poblacin o
proceso con base en la informacin contenida en una muestra. Por lo general, la inferencia se
divide en estimacin y prueba de hiptesis, y se apoya en cantidades o estadsti-
cos calculados de las observaciones de la muestra. Los estadsticos, como medidas
o funciones de los datos muestrales, que no contienen parmetros desconocidos, Inferencia estadstica
ayudan a caracterizar la distribucin de tales datos. Un ejemplo de estadstico es Se reere a establecer las caracters-

la media X , la cual sirve para conocer la tendencia central de los datos muestrales ticas de una poblacin o proceso con
base en la informacin contenida en
y puede ser utilizada de una forma apropiada para realizar inferencias (afirma- una muestra.
ciones) sobre la media poblacional (parmetro poblacional).
Un aspecto clave en la interpretacin y uso de cualquier estadstico es que es
una variable aleatoria, ya que su valor depende de los elementos que son selec-
cionados en la muestra y, por lo tanto, vara de una muestra a otra. La forma de Estadstico
tomar en cuenta este hecho es conocer la distribucin de probabilidad de cada Medidas o funciones de los datos
estadstico. Del captulo anterior recordemos que una distribucin de probabilidad o muestrales que ayudan a caracterizar
la distribucin de tales datos.
distribucin de una variable aleatoria X relaciona el conjunto de valores posibles de
X (rango de X), con la probabilidad asociada a estos valores. Por ejemplo, en el

caso de la variable aleatoria dada por el estadstico media muestral, X , al conocer
su distribucin de probabilidad podremos saber en qu intervalo se esperan los Distribucin de una variable

valores de X y cules son ms probables. aleatoria X
Una distribucin de probabilidad tambin se puede considerar una distribu- Relaciona el conjunto de los valores
cin terica de frecuencia, que describe cmo se espera que varen los resultados posibles de X con la probabilidad aso-
ciada a stos.
de la variable aleatoria. De esta forma, lo aleatorio se modela (describe, acota),
y al observar una realizacin especfica de un estadstico es posible corroborar o
rechazar supuestos (prueba de hiptesis) o hacer estimaciones poblacionales.
Las distribuciones de probabilidad que ms se emplean en intervalos de confianza y prue-
bas de hiptesis son las distribuciones: normal, T de Student, ji-cuadrada y F. En la figura 4.2
se representan las formas tpicas de estas cuatro distribuciones (para mayores detalles vase
captulo 3).

Estimacin puntual y por intervalo

U na poblacin se caracteriza por una variable aleatoria y sta, a su vez, por su distribu-
cin de probabilidad. Por lo general, una distribucin depende de parmetros que, si se
desconocen, ser necesario estimarlos con base en los datos muestrales. Por ejemplo, una dis-
tribucin normal tiene como parmetros a la media, , y a la desviacin estndar,
, que si no se conocen se pueden estimar en forma puntual o por intervalo.
El estimador puntual de un parmetro es un estadstico que genera un valor nu- Estimador puntual
mrico simple, y que se utiliza para proporcionar una estimacin del valor del par- Estadstico que estima el valor de un
metro desconocido. Por ejemplo, con frecuencia es necesario estimar el valor de: parmetro.